0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

北京君正大力投入AI技术研究,提升芯片AI处理能力

Carol Li 来源:电子发烧友网 作者:李弯弯 2023-08-10 09:16 次阅读

电子发烧友网报道(文/李弯弯)近日,北京君正在某平台上表示,普惠型AI芯片产品可向客户提供具有AI处理能力的高性价比芯片产品,产品面向行业和消费类安防市场;AI算力引擎:神经网络处理器已应用于公司现有芯片中,比如智能视频芯片。

北京君正不断提升AI技术能力

北京君正的芯片产品主要分为四类:微处理器芯片、智能视频芯片、存储芯片、模拟与互联芯片。其中,微处理器和智能视频芯片主要面向智能物联网和智能安防类市场。

智能视频芯片包括面向专业安防后端的A系列、面向视频处理的T系列和面向视觉物联网的C系列三大产品线。C100、T41、T40、 T31、A1等多款性能强、功耗低、高性价比的智能视频芯片,广泛应用于安防监控、智能门铃、人脸识别设备等智能视觉相关领域。

微处理器芯片产品包括X系列、JZ系列、M系列等,主要应用于生物识别、二维码识别、商业设备、智能家居、智能穿戴、教育电子及其他物联网相关领域。北京君正表示,公司不断推出新品,AI算法算力不断增强,以满足市场对终端产品不断提高的AI性能要求。

AI技术方面,北京君正实现了 2D/3D降噪、AI宽动态、自动抗频闪、噪声建模、AI 图像增强等图像信号前沿技术,可满足各类复杂光线场景的应用。结合自有的AI处理器技术和AI算法技术辅助进行降噪和细节提升,进一步提高图像处理器的图像成像质量。

过去几年,公司一直在神经网络处理器的研究上持续投入,结合CPU上自主研发的优势,把CPU技术和神经网络处理器技术有机的结合在一起,形成了独特的AI算力引擎。

该AI 算力引擎兼顾计算效能与灵活性,在高算力的基础上衍伸了可编程能力,在保证充分的灵活性的基础上能够有效对卷积、池化等高强度计算进行加速,低比特量化技术则进一步强化了公司 AI 算力引擎的低功耗与低带宽 AI 计算能力,可以在不同的计算精度下提供不同的算力,以应对不同的计算需求与场景。

北京君正最近几年大力投入AI算法的研究和应用,在人脸识别、车牌识别、哭声识别、人形检测、人形跟踪、多目标检测、口罩识别等领域已有大量成熟算法并已走向市场。

安防芯片市场规模不断增长

北京君正在安防市场占据相当的市场份额。智能视频芯片是安防监控的核心部件,直接影响到图像质量、码流控 制能力、智能识别效率、稳定性、功耗等性能表现。安防视频监控设备中的处理器芯片主要包括模拟摄像机中的ISP芯片、网络摄像机中的IPC SoC芯片、DVR/NVR中的SoC芯片以及深度学习算法加速器芯片。

过去几年,全球安防市场规模稳步提升,数据显示,2023年市场规模约为2805亿美元,预计到2026年有望达到3306亿美元,复合年增长率约为5.6%。 此外,智能安防已经成为主流趋势,AI+安防应用广泛,预计2025年中国 AI+安防软硬件的市场规模将达到913亿元,2021到2025年复合年增长率约为13.9%。

根据应用场景的不同,安防可以分为商用安防和家用安防。商用安防主要包括公安交通领域,社区楼宇,以智能视频监控系统、人脸识别门禁等为代表的AI安防产品在社区楼宇中的应用已初具规模。家用安防起初以家用摄像头为主,后来逐渐延伸到智能猫眼、智能门锁等入户门禁产品。随着视觉模组和智能家居设备的融合,未来预计将会拓展出更多应用场景。

超高清化、智能化、网络化需求推动安防芯片市场持续增长。据统计,2021年安防芯片市场规模约为66.5亿元,预计到2023年将达到95.3亿元。未来,在5G人工智能、大数据等技术的支持下,预计安防芯片朝着智能化升级的同时,市场规模也将会不断增长。这对于包括北京君正在内致力于安防芯片业务的企业来说是有利的。

小结

从应用来看,云端的算法和部分应用逐渐在向端级迁移,市场对面向终端产品的芯片在AI处理能力方面的需求不断提升,包括智能安防和智能物联网领域等。可以看到,北京君正等传统芯片厂商都在积极探索AI技术,推出具备AI处理能力的芯片产品,以应对市场需求。




声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • AI
    AI
    +关注

    关注

    87

    文章

    32358

    浏览量

    271443
收藏 人收藏

    评论

    相关推荐

    北京正X1600E应用产品案例:便携HiFi播放器

    股份有限公司成立于2005年,基于创始团队创新的CPU设计技术,迅速在消费电子市场实现SoC芯片产业化,2011年5月公司在深圳创业板上市(300223)。 正在处理
    发表于 03-07 17:36

    FPGA+AI王炸组合如何重塑未来世界:看看DeepSeek东方神秘力量如何预测......

    ),设计定制化的FPGA架构,以优化性能和功耗。 2.提升跨领域技能• AI知识储备:掌握深度学习算法、模型量化和优化技术,以便更好地将AI模型与FPGA硬件结合。• 系统集成
    发表于 03-03 11:21

    端侧 AI 音频处理器:集成音频处理AI 计算能力的创新芯片

    电子发烧友网综合报道:端侧 AI 音频处理器是专为智能物联网(AIoT)端侧设备设计,集成了人工智能(AI)加速器的系统级音频处理器。这类处理
    的头像 发表于 02-16 00:13 1483次阅读

    AI赋能边缘网关:开启智能时代的新蓝海

    。这一变革不仅带来了技术架构的革新,更为产业发展开辟了新的增长空间。 传统边缘网关受限于计算能力和算法支持,往往只能完成数据采集和简单处理,大量原始数据需要回传云端处理,导致响应延迟和
    发表于 02-15 11:41

    亚马逊转向Trainium芯片,全力投入AI模型训练

    近日,亚马逊宣布了一项重大决策,决定停止Inferentia AI芯片的开发,转而将全部精力投入到Trainium芯片的研发上,以此作为与英伟达竞争的新策略。 自2018年进军
    的头像 发表于 12-13 14:14 395次阅读

    NPU技术如何提升AI性能

    随着人工智能技术的飞速发展,深度学习作为AI领域的核心驱动力,对计算能力的需求日益增长。NPU技术应运而生,为AI性能的
    的头像 发表于 11-15 09:11 906次阅读

    AI for Science:人工智能驱动科学创新》第4章-AI与生命科学读后感

    阅读这一章后,我深感人工智能与生命科学的结合正引领着一场前所未有的科学革命,以下是我个人的读后感: 1. 技术革新与生命科学进步 这一章详细阐述了人工智能如何通过其强大的数据处理和分析能力,加速生命科学
    发表于 10-14 09:21

    AI for Science:人工智能驱动科学创新》第二章AI for Science的技术支撑学习心得

    人工智能在科学研究中的核心技术,包括机器学习、深度学习、神经网络等。这些技术构成了AI for Science的基石,使得AI能够
    发表于 10-14 09:16

    北京正X2000新品案例:流媒体音乐接收器

    设计技术,迅速在消费电子市场实现SoC芯片产业化,2011年5月公司在深圳创业板上市(300223)。 正在处理技术、多媒体
    发表于 09-25 18:21

    【HZHY-AI300G智能盒试用连载体验】基建智慧工地物联边缘代理技术研究及应用

    首先,要感谢电子发烧友论坛和北京合众恒跃科技有限公司提供的样机——HZHY-AI300G工业级国产化智能盒,为本项目提供了比较完美的测试基础样机。该款智能盒采用RK3588工业级SoC芯片,能够适应
    发表于 07-16 17:14

    北京正用户案例:智能报靶,图像识别电子枪

    ,2011年5月公司在深圳创业板上市(300223)。   正持续投入于多媒体编解码、影像信号处理AI引擎、AI算法等核心领域并形成自有
    发表于 06-21 18:19

    AI芯片哪里买?

    AI芯片
    芯广场
    发布于 :2024年05月31日 16:58:19

    risc-v多核芯片AI方面的应用

    得RISC-V多核芯片能够更好地适应AI算法的不同需求,包括深度学习、神经网络等,从而提高芯片的性能和效率,降低成本,使AI边缘计算晶片更具竞争力。 再者,RISC-V的多核设计可以进
    发表于 04-28 09:20

    开发者手机 AI - 目标识别 demo

    。 NNRt host 实现了NNRt HDI接口功能,通过对接底层AI芯片接口为上层应用提供NPU硬件推理的能力。 功能实现 JS从相机数据流获取一张图片,调用Native的接口进行目标识别的
    发表于 04-11 16:14

    NanoEdge AI技术原理、应用场景及优势

    NanoEdge AI 是一种基于边缘计算的人工智能技术,旨在将人工智能算法应用于物联网(IoT)设备和传感器。这种技术的核心思想是将数据处理和分析从云端转移到设备本身,从而减少数据传
    发表于 03-12 08:09